Tag: rlhf

All the articles with the tag "rlhf".

• 8.0

  2026 年后训练技术全景：GRPO、DAPO、RLVR 如何取代 RLHF

  2026年03月13日

  · LLM Stats Research

  深度综述 GRPO、DAPO、RLVR 等后训练方法如何成为主流，以及合成自博弈数据为何让 RLHF 退出历史舞台。